Robocikowo>ROBOCIKOWO
Qwen3-30B-A3B
Modele AI›Qwen3

Qwen3-30B-A3B

30B-A3B · Rodzina: Qwen3
Otwarty (Apache 2.0) model MoE z rodziny Qwen3 (Alibaba): 30,5B parametrow lacznie, 3,3B aktywnych (128 ekspertow, 8 aktywnych); tryby thinking/non-thinking, kontekst do 262K, mocny w rozumowaniu, kodowaniu i zadaniach agentowych.
✓ Aktywny✓ Publiczny dostęp⚖ Open sourceLLMModel rozumowaniaModel używający narzędzi📁 Qwen3
Okno kontekstowe
262K (warianty 2507, natywnie); bazowy A3B: 32K natywnie / 131K z YaRN
tokenów
Parametry
30.5B total / 3.3B active (MoE: 128 ekspertow, 8 aktywnych)
parametrów
Max output
32 768
tokenów
Data premiery
29 kwietnia 2025
🏢AlibabaProducent
Dostęp:DownloadAPIHostedWdrożenie:💻 Lokalnie☁ Cloud📱 Na urządzeniu

Przegląd

Qwen3-30B-A3B to otwarty model jezykowy z rodziny Qwen3 opracowanej przez zespol Qwen (Alibaba), zbudowany w architekturze Mixture-of-Experts (MoE). Ma 30,5 mld parametrow lacznie, z czego aktywowanych jest tylko 3,3 mld na token (128 ekspertow, 8 aktywnych), co daje jakosc duzego modelu przy koszcie obliczeniowym znacznie mniejszego.

Model obsluguje dwa tryby pracy: thinking (jawne rozumowanie krok po kroku, do zadan zlozonych - matematyka, kod, logika) oraz non-thinking (szybkie odpowiedzi ogolnego przeznaczenia), przelaczane w obrebie jednego modelu. Wyroznia sie silnym rozumowaniem, kodowaniem, zdolnosciami agentowymi (wywolywanie funkcji, uzycie narzedzi) i wielojezycznoscia.

Bazowy Qwen3-30B-A3B obsluguje kontekst 32K natywnie i 131K z YaRN; nowsze warianty 2507 (Instruct i Thinking) obsluguja natywnie 262 144 tokeny. Wagi udostepniono na licencji Apache 2.0 (self-hosting), a model jest dostepny m.in. przez Hugging Face oraz API dostawcow (np. OpenRouter, Alibaba DashScope). Wspierany przez Transformers, vLLM, SGLang, llama.cpp i Ollama.

Klasyfikacja
LLMModel rozumowaniaModel używający narzędzi
Rodzina: Qwen3
Zastosowania
KodowanieAsystent badawczyAnaliza danychChatbotyPisanie kreatywneAutonomiczne workflow agentowe
Dostęp i wdrożenie
PobieranieAPIHostowane
LokalnieChmuraNa urządzeniu
Wagi: Open source
Kluczowe parametry
📏 Kontekst: 262K (warianty 2507, natywnie); bazowy A3B: 32K natywnie / 131K z YaRN
🧩 Parametry: 30.5B total / 3.3B active (MoE: 128 ekspertow, 8 aktywnych)
✓ Narzędzia · ✓ Fine-tuning
📥 Wejście: tekst
Platformy
Hugging Face HubOpenRouter

Specyfikacja techniczna

Okno kontekstowe
262K (warianty 2507, natywnie); bazowy A3B: 32K natywnie / 131K z YaRN
tokenów
Parametry
30.5B total / 3.3B active (MoE: 128 ekspertow, 8 aktywnych)
parametrów
Max output tokens
32 768
tokenów na odpowiedź
Knowledge cutoff
1 kwi 2025
Data graniczna wiedzy
Licencja
Apache 2.0
Wymagania sprzętowe
MoE 3,3B aktywnych - efektywny w inferencji; wagi BF16 ~61 GB (self-host wielo-GPU lub kwantyzacja). Obsluga: Transformers (>=4.51.0), vLLM (>=0.8.5), SGLang (>=0.4.6.post1), llama.cpp, Ollama, LMStudio, MLX.
Funkcje:✓ Używanie narzędzi✓ Fine-tuning
Modalności
⬇ Wejście (Input)
text
⬆ Wyjście (Output)
textcode

Możliwości i zastosowania

Natywne możliwości modelu
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Rozumowanie wieloetapowe
Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.
Kategoria: reasoning
Rozumowanie matematyczne
Zdolność modelu do rozwiązywania zadań matematycznych wymagających wieloetapowego rozumowania — równania, dowody, kombinatoryka, geometria, rachunek różniczkowy, zadania konkursowe.
Kategoria: reasoning
Programowanie
Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.
Kategoria: coding
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Długi kontekst
Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.
Kategoria: language
Zdolności agentowe
Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.
Kategoria: planning
Planowanie
Tworzenie i realizacja planów działania dla złożonych zadań.
Kategoria: planning
Wywoływanie funkcji
Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.
Kategoria: planning
Wyjście strukturyzowane
Generowanie danych w ustrukturyzowanych formatach, np. JSON.
Kategoria: structured_generation
Modelowanie języka
Zdolność przewidywania kolejnych tokenów i generowania spójnego tekstu w języku naturalnym na podstawie poprzedzającego kontekstu.
Kategoria: language
Dziedziny zastosowań
KodowanieAsystent badawczyAnaliza danychChatbotyPisanie kreatywneAutonomiczne workflow agentowe

Cennik

Architektura techniczna

Rdzeń architektury (Core Architecture)
TRTransformerGQGQAMOMoE
Forma modelu (Model Form)
LLLLM
Techniki trenowania (Training Techniques)
ITInstruction TuningRRReasoning RLCOCoTYAYaRN
Powiązane technologie
FCFunction CallingTLTool-augmented LLM

Wdrożenie i bezpieczeństwo

🔒 Security / Enterprise
✓ Zweryfikowane informacje enterprise

Model open-weight na licencji Apache 2.0 - mozliwy self-hosting / on-premises z pelna kontrola danych. Dostepny na Hugging Face; wspiera wywolywanie funkcji i integracje z narzedziami.

Aktualizacja: 31 lip 2026↗ Dokumentacja security

Źródła i powiązane strony